| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| abstract | 第9页 |
| 第一章 绪论 | 第15-23页 |
| 1.1 引言 | 第15页 |
| 1.2 研究的目的及意义 | 第15-16页 |
| 1.3 研究现状 | 第16-19页 |
| 1.3.1 质量特性识别 | 第16-17页 |
| 1.3.2 质量特性预测 | 第17-18页 |
| 1.3.3 装配过程质量控制 | 第18-19页 |
| 1.4 研究内容及结构 | 第19-23页 |
| 1.4.1 课题来源 | 第19-20页 |
| 1.4.2 研究内容 | 第20-21页 |
| 1.4.3 论文结构 | 第21-23页 |
| 第二章 前桥装配质量控制方法研究 | 第23-31页 |
| 2.1 引言 | 第23页 |
| 2.2 前桥装配过程特点分析 | 第23-25页 |
| 2.2.1 前桥装配工艺介绍 | 第23-24页 |
| 2.2.2 前桥装配特点分析 | 第24-25页 |
| 2.3 前桥装配过程质量控制需求分析 | 第25页 |
| 2.4 关键质量特性 | 第25-26页 |
| 2.4.1 关键质量特性定义 | 第25-26页 |
| 2.4.2 装配过程关键质量特性 | 第26页 |
| 2.5 质量控制关键使能技术 | 第26-29页 |
| 2.5.1 数据采集技术 | 第26-28页 |
| 2.5.2 数据传输技术 | 第28-29页 |
| 2.6 本章小结 | 第29-31页 |
| 第三章 基于BP神经网络的装配关键质量特性识别 | 第31-45页 |
| 3.1 引言 | 第31页 |
| 3.2 关键质量特性识别技术 | 第31-34页 |
| 3.2.1 信息熵 | 第31-32页 |
| 3.2.2 BP神经网络 | 第32-34页 |
| 3.3 基于BP神经网络的关键质量特性识别模型 | 第34-38页 |
| 3.3.1 问题描述 | 第34-35页 |
| 3.3.2 变量定义 | 第35页 |
| 3.3.3 基于BP神经网络的关键质量特性识别步骤 | 第35-38页 |
| 3.4 实例及验证 | 第38-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 基于改进的BP神经网络的关键质量特性控制阈预测 | 第45-57页 |
| 4.1 引言 | 第45页 |
| 4.2 粒子群算法 | 第45-47页 |
| 4.2.1 粒子群算法介绍 | 第45-46页 |
| 4.2.2 粒子群算法流程 | 第46-47页 |
| 4.3 BP神经网络与粒子群算法的融合 | 第47-48页 |
| 4.3.1 粒子群算法与BP神经网络的互补性 | 第47页 |
| 4.3.2 粒子群算法与BP神经网络的融合方式 | 第47-48页 |
| 4.4 基于粒子群神经网络的关键质量特性控制阈预测建模 | 第48-53页 |
| 4.4.1 问题描述 | 第48-49页 |
| 4.4.2 模型构建 | 第49-51页 |
| 4.4.3 参数选取 | 第51-53页 |
| 4.5 实例及验证 | 第53-56页 |
| 4.6 本章小结 | 第56-57页 |
| 第五章 前桥装配过程质量管控系统开发 | 第57-67页 |
| 5.1 引言 | 第57页 |
| 5.2 系统模型架构 | 第57-60页 |
| 5.2.1 系统软件架构 | 第57-58页 |
| 5.2.2 系统硬件架构 | 第58-59页 |
| 5.2.3 系统数据库架构 | 第59-60页 |
| 5.3 系统实现 | 第60-66页 |
| 5.3.1 基础数据配置模块 | 第60-61页 |
| 5.3.2 质量参数管理模块 | 第61-64页 |
| 5.3.3 质量在线控制模块 | 第64-66页 |
| 5.4 本章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 6.1 总结 | 第67-68页 |
| 6.2 展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第73-74页 |
